Hur bevisar man AI-avkastning när avkastningen bara är 1 %?

David Rice: Endast 17 % av organisationerna har över huvud taget infört AI-agenter. Siffran för flera avdelningar ligger runt 3 %. JLL har slutat räkna sina. I dagens program pratar jag med Carlin Power, global vice vd för AI och möjliggörande av plattformsteknik på JLL, om vad de andra 97 % snart kommer att få lära sig.

För JLL experimenterar inte med agenter. De kör dem i produktion inom fastighetsförvaltning, varumärkeskommunikation och företagsfunktioner i hela bolaget, och lärdomarna därifrån är inte främst tekniska. Det första som gick sönder var inte tekniken, utan samtalet om avkastning. Hur motiverar man kostnaden för det mest grundläggande?

Hur sätter man sig framför sin ekonomichef och säger: "Vi kanske får 1 % avkastning på det här"? Powers svar var att flytta tillbaka värdesamtalet dit det hör hemma, till resultaträkningen som fattar investeringsbeslutet. Om en affärsledare försöker växa och öka sin andel av kundernas plånbok hos toppkunder med 20 %, blir AI en del av det samtalet i stället för en hammare som letar efter en spik.

Frågan om den tidiga karriären förtjänar också uppmärksamhet i det här ämnet. Stanford-forskningen drar en tydlig gräns. När AI automatiserar minskar nyanställningen på instegsnivå. När den förstärker står sysselsättningen stilla eller växer. JLL gjorde ett medvetet val, och de praktikanter som de nyligen tagit in presenterade examensprojekt på en så avancerad nivå att Power, om hon inte hade fått veta det, inte skulle ha gissat att de inte hade varit tre eller fyra år in i sina karriärer.

I dag går vi därför igenom vad som skiljer agenter som överlever från de 40 % som Gartner bedömer kommer att läggas ned senast 2027, varför inramningen av avkastningen är viktigare än själva tekniken, hur man bygger AI-kompetens i 80 länder utan att förlora lokal relevans och vad en personalchef med noll agenter i produktion bör göra under månad ett till tre när de rullas ut.

Jag heter David Rice. Det här är People Managing People, och om din organisation fortfarande försöker lista ut var den ska börja med agenter ger det här samtalet en praktisk plan från någon som redan har lämnat den frågan långt bakom sig. Då sätter vi i gång.

Välkomna till podden People Managing People. Som alltid är jag er värd, David Rice, och i dag har jag sällskap av Carlin Power. Hon är global vice vd för AI och möjliggörande av plattformsteknik på JLL. Många organisationer där ute experimenterar med AI-agenter, men ni har faktiskt infört några med framgång. Okej. Så-

Carlin Power: Ja, det har vi ...

David Rice: vi ska prata lite om det och om några av lärdomarna från arbetet.

Den första frågan jag ville ställa till dig handlar om att jag hade sett en Gartner-undersökning bland CIO:er som sade att endast 17 % av organisationerna över huvud taget har infört agenter.

Carlin Power: Absolut.

David Rice: Och jag tror att siffran för flera avdelningar är 3 % eller något sådant, eller hur? Ja, ja. Den är verkligen låg.

Carlin Power: Ja.

David Rice: Så många befinner sig i början av det här. Och ni har lanserat, jag—det senaste antalet jag såg var ungefär 34. Jag tror att ni har fler än så nu.

Carlin Power: Ja. Vi växer. Jag tror att vi helt enkelt har slutat räkna.

David Rice: Ni slutade räkna ... Nå, min första fråga till dig är ändå: vad vet du nu som de andra 97 % snart kommer att få lära sig?

Carlin Power: Absolut. Jag tror faktiskt att det går tillbaka till några beslut vi fattade från början. Vi gjorde en investering i det vi kallar JLL Falcon, vilket är ett elegant varumärkesnamn för en samling AI-funktioner och API:er som alla våra programvaruutvecklare kunde använda kostnadseffektivt för att införa AI-funktioner i teknik som de byggde från grunden och i befintlig teknik som redan fanns på marknaden.

På grund av det, och eftersom vi kunde decentralisera innovationen bland alla våra ingenjörer, började de snabbt bygga upp sin kompetens i att skapa och införa saker som agenter. Vi har till exempel agenter inom vår verksamhet för fastighetsförvaltning som optimerar arbetsorder och hur tekniker skickas ut till platser för att utföra sitt arbete inom fastighetsförvaltning.

Vi har varumärkesagenter som varumärkesanpassar våra PowerPoint-presentationer och vår ton i intern och extern kommunikation på JLL. Vi har också, för ungefär en och en halv månad sedan, infört Fråga JLL, som är en samling agenter där alla våra domänexperter inom företagsfunktionerna hjälper medarbetare att få stöd inom alla våra företagsfunktioner.

På grund av den decentraliseringen bland alla ingenjörsteamen bygger vi agenter för skräddarsydda affärsproblem—ja ... med mycket tydliga avkastningsmål.

David Rice: Är det en del av anledningen till att du tror att det har fungerat? Du nämnde det skräddarsydda. Är det en del av det som gjort det framgångsrikt, att ni inte försöker lösa något allmänt utan är väldigt specifika?

Carlin Power: Ja. Vi har allmänna agenter och verktyg för AI av generell karaktär. Vi har en generell AI-assistent som vi kärleksfullt kallar Pulse ... som går igenom alla våra chattar, mejl och delade dokument. Den fungerar ungefär som en administrativ assistent och tar verkligen bort mycket av bördan från de administrativa och taktiska saker man måste göra i ett kunskapsarbete.

Vi valde alltså medvetet att införa vissa generella funktioner, men ja, den verkliga avkastningen, för det där är mer som det mest grundläggande, eller hur? Just det. Det är sådant som alla våra medarbetare behöver tillgång till för att vi ska kunna konkurrera på marknaden.

Alla agenter som införs av våra programvaruutvecklingsteam för att stödja en viss affärsgren eller företagsfunktion löser skräddarsydda affärsproblem som driver våra affärsresultat framåt, och det är anpassat hela vägen upp genom flera nivåer i organisationen.

David Rice: Ta mig tillbaka till agent nummer ett. Vad gick sönder som inte var tekniskt? Handlade det om behörigheter och ägarskap eller-

Carlin Power: Ja ...

David Rice: någons arbetsbeskrivning, i princip?

Carlin Power: Ja, precis. Agent nummer ett, wow. Det är faktiskt Pulse, alltså ... Okej ... som också kallas JLL:s arbetsverktyg, eftersom vi nu levererar det via en MCP, eller det fina ordet för en anslutning direkt till en agent och strukturerade data.

Jag tror egentligen inte att det var något tekniskt som gick sönder. Det handlade mer om hur vi skulle motivera kostnaden i förhållande till avkastningen. Jag pratade med dig lite om det mest grundläggande. Det är ett ganska svårt samtal när man bara ser effektivitetsökningar på 1–3 %, alltså ... ja,

David Rice: ungefär där, och då är det svårt att sätta sig framför sin ekonomichef och säga: "Jag tycker att vi ska göra det här, men vi kanske får 1 % avkastning på det." Till en början försökte vi därför förstå hur vi skulle uttrycka värdet av det mest grundläggande. Hur uttrycker vi värdet av en viss agent?

Och ska det vara en standard som vi sätter för utveckling? Hur ser vi till att varje person som bygger något i organisationen kan säga: "Jag kommer att leverera den här agenten för att lösa ett problem som tidigare kostade oss X mängd arbete eller gav oss X leverans. Men nu kommer vi att kunna ha fem gånger så hög genomströmning, skapa en ny intäktskälla, öka vår marknadsandel eller öka vår andel av kundens plånbok?"

När man börjar få teamen att tänka på det sättet blir det mycket enklare att motivera avkastningen. Men det var det första som hände: de frågade oss "När ska man använda det här? Hur ska man använda det? Vad är avkastningen?" Och vi svarade: "Bra fråga."

David Rice: Det är intressant att du nämner att göra det normalt. Fanns det en standardisering av språket som följde med det, eller en förståelse för vad som räknas som avkastning för de personer som ville göra sådana här saker? För jag kan tänka mig att fantasin kan skena iväg lite.

Man måste kunna säga: "Det där är faktiskt inte ett verkligt affärsvärde."

Carlin Power: Ja. Som tur är har vi några fantastiska ekonomer i organisationen. Även om det är en centraliserad funktion inom ekonomin är den decentraliserad när det gäller hur de är placerade i våra affärsgrenar och funktioner.

Vårt ekonomiteam har lagt mycket tid på att fundera över hur vi ska ge teamen ramverk för att faktiskt föra ett samtal om avkastning. Jag tror, eller snarare en ekvation för avkastning. Och jag tror att det håller på att mogna nu. Jag skulle inte säga att vi har svaret, för om jag hade det skulle jag säga upp mig och starta ett konsultbolag värt en miljard dollar över en natt, precis som alla andra, men-

David Rice: Ja ...

Carlin Power: jag tror att det handlar om att flytta tillbaka samtalet om värde till den plats där det hör hemma, nämligen i den resultaträkning som fattar beslutet om investeringen. Om en affärsledare säger: "Vi behöver öka vår andel av plånboken hos våra tio största kunder med 20 %", är AI nu en del av det samtalet i stället för att vi är en hammare som letar efter en spik.

David Rice: Gartner bedömer att ungefär 40 % av projekten inom agentbaserad AI kommer att läggas ned före slutet av 2027. Min fråga till dig är: när du ser på de agenter ni har byggt, vad gör dig säker på att de kommer att vara motståndskraftiga och fortsätta finnas efter den tidpunkten?

Carlin Power: Det går återigen tillbaka till vårt beslut att införa JLL Falcon och till det decentraliserade beslutsfattandet i våra ingenjörsfunktioner, som nu är kopplade till nyckeltal för affärsgrenarna.

Vi bygger ingenting, eller försöker åtminstone att inte bygga något, som inte har en hänförlig avkastning eller en besparing som går att räkna hem. Det gör samtalet väldigt enkelt. När man tittar på AI-agenter som fungerar bra eller dåligt: når de sina mål, precis som en medarbetare skulle nå sina affärsmål?

Gör den här tekniken, den här agenten, det vi förväntade oss? Realiserar den de fördelar vi förväntade oss? Om inte, varför, och bör vi fortsätta investera? Ett beslut om att stoppa, börja om eller fortsätta måste därför fattas regelbundet för alla agenter som införs i organisationen.

David Rice: Du nämnde det decentraliserade beslutsfattandet. Var det något ni byggde in från början? Var det en del av era processer innan ni satte i gång med allt det här? Eller-

Carlin Power: Grunden i vår AI-strategi är vårt lager för företagsdata. Okej. Under de senaste fem till sex åren, under ledning av vår teknikchef Yao Moran, har vi byggt upp datakompetens, noggrannhet, kvalitet och relevans i alla våra data, i praktiken i vårt centrala datalager.

Varje enskild datapunkt vi har på JLL hamnar alltså i vårt centrala datalager. Där finns sedan en uppsättning styrningsfunktioner som definierar vad uppgifterna är, vad de är relevanta för, vem de är relevanta för och hur människor får tillgång till informationen. Vi har alltså ett mycket robust datalager längst ner, och ovanpå det har vi JLL Falcon.

När vi pratar om MCP eller anslutningen går den helt enkelt direkt in i vårt centrala datalager och hämtar ut de uppgifter som är relevanta för användaren. Det är vår funktion för skalning, både ur ett kostnadseffektivitets- och ett datar elevansperspektiv.

Sedan har vi en medarbetardriven AI-strategi och en centralt driven AI-strategi. Det är i den centralt drivna strategin som decentraliseringen jag talat om äger rum. Det finns initiativ för varje affärsgren och företagsfunktion där teknikteam ska leverera den differentiering vi behöver på marknaden.

Den medarbetardrivna strategin handlar om hur vi gör det möjligt för människor internt att använda våra verktyg och utveckla en intern AI-kompetens. Det är vår möjliggörande funktion. Vi har alltså grunden, som är våra data.

Vi har skalningsfunktionen, som är vår JLL Falcon-plattform. Vi har differentieringsfunktionen, som är den centralt drivna strategin, och möjliggörandefunktionen, som är den medarbetardrivna strategin. Allt detta kopplas sedan till våra tre affärsresultat: att skapa kundvärde, frigöra spetskompetens i verksamheten och driva innovation.

Jag tror att det är centralt för varför vi har lyckats. Men för att svara på din fråga: var beslutet om decentralisering medvetet? Ja, det var det verkligen. Fattade vi det direkt? Det minns jag inte. Men är det dit vi kom? Absolut.

David Rice: En av frågorna jag ville ställa till dig är att jag har sett Stanford-forskning som drog en tydlig gräns: när AI automatiserar uppgifter minskar nyanställningen på instegsnivå.

Och när den förstärker arbete står sysselsättningen stilla eller växer.

Carlin Power: Ja.

David Rice: Av de 34 agenterna, eller fler nu, på vilken sida av den gränsen tycker du att ni har hamnat? Och var det ett beslut eller ett resultat?

Carlin Power: Jag tror att om ett företag fokuserar på effektivitet och produktivitet, och resultatet därför blir att man minskar arbetskraften, särskilt personal i början av karriären, är det snarare ett tecken på omognad i den övergripande AI-strategin och modellen för engagemang.

Det var aldrig ett medvetet beslut från vår sida att säga: "Nu ska vi ta bort alla de här kostnaderna ur organisationen och avskaffa 40 % av jobben." Jag tror att mycket av det var, som de sade vid huvudanförandet i morse, skrämselpropaganda.

Jag känner bara att det förmodligen är en alltför extrem ståndpunkt. Och jag tror återigen att den blir kortvarig. Det kan faktiskt vara mycket skadligt för en organisations framgång att helt stänga ute talanger i början av karriären.

David Rice: Ja.

Carlin Power: Så sent som i måndags satt jag tillsammans med våra praktikanter inom inköp och upphandling, och de presenterade sina examensprojekt. Många av dem hade använt våra interna verktyg och några av de avancerade laboratorier som vi samarbetar med.

Om chefen för inköp och upphandling inte hade berättat för mig att de var praktikanter skulle jag ha sagt att de hade varit tre till fyra år in i sina yrkeskarriärer, med tanke på djupet i deras kunskap om mycket komplexa problem inom inköp och upphandling, hur nära de arbetade med de kundkonton där de skulle förbättra hur stora tillgångar vi har under förvaltning och hur många avtal vi har under förvaltning.

Jag lärde mig saker. Jag blev verkligen imponerad av vad de kunde åstadkomma på så kort tid, och ännu mer imponerad av att vår chef för inköp och upphandling i slutet i princip sade: "Ni har alla jobb här på JLL om ni vill ha dem." Det är ett mycket bra exempel på att vi inte bör avskaffa jobben i början av karriären.

Vi bör ställa helt andra förväntningar på vad vi ska få ut av talanger tidigt i karriären. Därför har vi helt byggt om vår strategi för den tidiga karriären kring projektbaserade examensarbeten som verkligen skapar värde i de praktikprogram vi driver på JLL.

Jag tror återigen att det handlar om omognad och att de så småningom kommer att nå dit. Jag vill varna företag för att försöka avskaffa den tidiga karriärstegen, eftersom jag tror att mycket av innovationen under de kommande tre till fem åren kommer därifrån.

David Rice: Jag tycker om att du säger det, för jag har länge förespråkat det. Det där med examensarbete får mig att tänka på att det nästan mer liknar en lärlingsutbildning.

Carlin Power: Ja.

David Rice: Vi tänker på praktik, och jag minns när jag gjorde en under universitetstiden ... det var ganska tråkigt.

Det följde inte särskilt mycket ansvar med den. Det var ungefär som-

Carlin Power: Jag tror att jag svarade i telefon och ... sorterade papper.

David Rice: Exakt. Det var inte särskilt djupgående. Jag gick därifrån utan att tänka: "Var det där verkligen viktigt?"

Carlin Power: Ja.

David Rice: Du vet ... så-

Carlin Power: Ja, lägg det på mitt cv.

David Rice: Ja, det gjorde jag. Men lärlingsmodellen, som jag tror att det här närmar sig, innebär att man faktiskt lär sig och gör arbetet.

Carlin Power: Precis.

David Rice: Och gör det på en nivå där man, som du sade, låter som att man har varit med i tre eller fyra år.

Carlin Power: Ja. Det gjorde mig verkligen imponerad, och det hjälpte mig att sätta en ny standard och utbilda organisationen i vad vi bör förvänta oss av talanger tidigt i karriären.

Jag hoppas också att det skapar en kompetens på organisationsnivå kring att vi förmodligen även bör förvänta oss mycket mer av våra yrkesverksamma medarbetare. Vi har utbildat våra ledare i det jag skulle kalla att utveckla sitt värdeerbjudande. Vi tar dem genom en utbildning med flera moduler där, och man skulle bli förvånad, eller kanske inte,

men det var mycket svårt för dem att beskriva sitt nuvarande värdeerbjudande för företaget. Vi frågar dem: när hela teamet har förstärkts, förbättrats eller ersatts av AI, vad ska ni göra med det värdet? Hur ska vi få tillbaka värdet, oavsett om det handlar om högre genomströmning, bättre leveranser, mer tid med kunder eller mer tid att bygga framtida intäktsströmmar?

David Rice: Du vet, "människan först" behöver ett instrument, annars är det bara ord, eller hur? Det är i grunden en slogan. Jag är nyfiken på hur ni skiljer mellan användning, efterlevnad och människor som bara försöker ta sig runt systemet.

Carlin Power: Ja.

David Rice: Agenten.

Carlin Power: Det var också ett mycket tidigt och medvetet beslut.

Vi använde faktiskt en stor del av vår budget på specialister inom engagemang och möjliggörande som redan från början hjälpte alla våra medarbetare att bygga upp en grundläggande AI-kompetens. Det handlade om allt från att introducera dem till nya verktyg och ge dem grunderna i hur generativ AI fungerar och hur vi skyddar deras data och våra kunders data, till att göra dem trygga med alla de frågor som kom upp i början.

Vad händer till exempel när jag laddar upp en kunds resultaträkning i en GPT? Vi kunde säga: "Vi har byggt det här så att det är säkert och brandväggsskyddat, men använd ditt bästa omdöme." Vi hjälpte dem också att förstå balansen mellan vad man kan lita på att generativ AI gör och vad man inte kan lita på. En metod där man litar på men verifierar. Att få det inpräntat tidigt hjälpte dem att snabbare börja använda andra, mer avancerade funktioner när de lanserades.

Vi byggde verktyg, rullade ut dem och utbildade människor i hur de skulle användas. Vi byggde också ett ambassadörsprogram som kunde ta alla utbildningar vi hade skapat och anpassa dem till de enskilda rollerna och personerna inom alla våra affärsgrenar och företagsfunktioner, eftersom vi är ett enormt företag som är verksamt i 80 länder.

Det finns många saker som måste hanteras lokalt och som en central funktion inte är utformad för att stödja i stor skala. Därför behövde vi ta hjälp av experter inom dessa områden för att bygga upp nästa nivå av den kompetens som våra team behövde för att börja skapa innovation på egen hand.

David Rice: Tiden börjar rinna ut, men innan jag låter dig gå vill jag ge dig ett hypotetiskt scenario. Jag älskar hypotetiska scenarier.

Carlin Power: Absolut.

David Rice: Föreställ dig att du har en personalchef som just nu har noll agenter i produktion. Styrelsen börjar sätta press på personen. De vill se framsteg och frågar varför det ser ut som det gör. Personen har tolv månader och en budget.

Carlin Power: Ja.

David Rice: Vad gör personen under månad ett till tre för att komma i gång, och vad är det första personen kommer att frestas att göra som du kanske skulle säga: "Gör inte det, det är lite slöseri med tid"?

Carlin Power: Jag tror att det första är att skapa en grupp människor som man känner sig mycket bekväm med att låta experimentera i hela organisationen. Jag är inte säker på att jag skulle gå fullt ut in i FDs, men domänexperter inom affärsgrenarna och företagsfunktionerna som är tekniskt kunniga kan börja hjälpa till att definiera verkliga användningsområden där även experimenterande ger en positiv nettoavkastning.

Att försöka gå brett och stort på en gång kommer att kosta mycket, och om man inte har interna personer som är insatta i organisationens olika områden eller i AI kommer kostnaderna bara att svälla. Det är precis det du har beskrivit genom-

David Rice: Ja ...

Carlin Power: de här frågorna.

David Rice: Ja.

Carlin Power: Det viktiga är att skapa framgång i några få användningsområden, skala upp dem och sedan använda den avkastningen för att investera i fler verktyg, eller i mer horisontella och generella verktyg som levereras till organisationen. Den andra delen är den möjliggörande funktionen, alltså kompetensen.

Man måste göra människor riktigt bekväma med att använda verktyg, och man måste ge dem incitament att använda dem. Något jag ständigt återkommer till och är mycket tacksam för är vår vd Christian Ulbrich, som verkligen satte visionen och gav människor mandat att använda AI och satte globala nyckeltal för kompetens, införande och användning.

Det fanns alltså inget straff för att använda verktygen. Det var inte: "Jaha, du kom på hur du kunde automatisera din avdelning? Bra, då låter vi alla gå." Det var aldrig berättelsen som fanns på JLL. Berättelsen var att vi måste kunna använda AI för att ge våra kunder bättre service och ta bättre hand om våra medarbetare.

Alla våra chefer behövde därför både bygga nyckeltal kring att uppnå detta och föregå med gott exempel. Vår vd var mycket tydlig: "Varenda en av er behöver använda AI-verktyg, och jag kommer att mäta det." Om medarbetarna inte ser dig använda verktygen kommer de inte att känna sig bekväma med eller ha mandat att använda dem.

Han ville att innovationen skulle komma underifrån lika mycket som han ville att förebilderna skulle komma uppifrån. Så när jag ger råd till en chef i företagsledningen skulle jag säga att man också måste föregå med gott exempel och anpassa incitamenten till det beteende man vill se i organisationen.

David Rice: Tack för att du kom till programmet i dag. Carlin Power, mina damer och herrar. Vi hörs nästa gång.

Carlin Power: Tack så mycket.

David Rice: Kära lyssnare, om ni inte redan har gjort det kan ni gå till peoplemanagingpeople.com/subscribe. Prenumerera på nyhetsbrevet. Ni får den här podden och allt annat vi skapar direkt i inkorgen.

Vi hörs nästa gång.